Gli algoritmi di machine learning possono produrre output sbilanciati e ingiusti, creando problemi di discriminazione. In questo articolo, Alexei Dulub, fondatore di PixelPlex, condivide tre regole essenziali per minimizzare i bias e suggerisce cinque soluzioni anti-bias.
Negli ultimi anni, gli algoritmi di machine learning si sono dimostrati estremamente utili nell'aiutare le persone a svolgere diverse attività, come la classificazione dei dati, la rivelazione di schemi e anomalie, e molto altro ancora. Tuttavia, questi algoritmi possono produrre output sbilanciati e ingiusti che possono essere molto offensivi e discriminatori per alcune persone.
Un esempio di algoritmo di machine learning che mostra bias è ChatGPT, uno strumento di elaborazione del linguaggio naturale che sta diventando sempre più popolare. Un professore dell'Università della California, Berkeley, ha chiesto a ChatGPT di produrre una funzione di codice per verificare se una persona è un programmatore esperto in base alla razza e al genere, e lo strumento ha scelto la variabile
